COVID-19 Data Analysis

Numero di Riproduzione

Stime di Rt.

Max Pierini, Alessio Pamovio

Leggi qui per dettagli generali

Legenda:

  • $R_t$ numero di riproduzione effettivo
    • Rosso: maggiore di 1
    • Verde: minore di 1

Rt con MCMC

Vedi Modello Predittivo per dettagli sul metodo di calcolo di $R_t$ con Markov chain Monte Carlo (MCMC).

Italia

Abruzzo

Basilicata

Calabria

Campania

Emilia-Romagna

Friuli Venezia Giulia

Lazio

Liguria

Lombardia

Marche

Molise

P.A. Bolzano

P.A. Trento

Piemonte

Puglia

Sardegna

Sicilia

Toscana

Umbria

Valle d'Aosta

Veneto

SOMMARIO

Rt bayesiano

Italia: $R_t$ (numero di riproduzione effettivo nel tempo $t$) stimato con metodo bayesiano (Bettencourt & Ribeiro 2008 e Kevin Systrom 2020).

Dettagli metodo: italian (PDF)


ML High_50 Low_50
denominazione_regione
Abruzzo 1.36 1.59 1.13
Basilicata 1.40 1.77 1.01
Calabria 1.43 1.73 1.14
Campania 1.38 1.49 1.26
Emilia-Romagna 1.24 1.40 1.08
Friuli Venezia Giulia 1.19 1.43 0.94
Lazio 1.35 1.49 1.21
Liguria 1.16 1.33 0.99
Lombardia 1.36 1.46 1.27
Marche 1.21 1.47 0.96
Molise 1.45 1.85 1.05
P.A. Bolzano 1.33 1.59 1.07
P.A. Trento 1.19 1.51 0.86
Piemonte 1.37 1.51 1.24
Puglia 1.23 1.42 1.03
Sardegna 1.06 1.30 0.82
Sicilia 1.22 1.39 1.05
Toscana 1.30 1.44 1.16
Umbria 1.20 1.43 0.97
Valle d'Aosta 1.53 1.86 1.20
Veneto 1.18 1.33 1.03

ML High_50 Low_50
denominazione_regione
Abruzzo 1.540000 1.780000 1.298571
Basilicata 1.338571 1.735714 0.928571
Calabria 1.572857 1.881429 1.260000
Campania 1.455714 1.578571 1.331429
Emilia-Romagna 1.427143 1.594286 1.257143
Friuli Venezia Giulia 1.321429 1.571429 1.068571
Lazio 1.455714 1.604286 1.305714
Liguria 1.400000 1.575714 1.222857
Lombardia 1.567143 1.665714 1.465714
Marche 1.387143 1.652857 1.124286
Molise 1.644286 2.077143 1.210000
P.A. Bolzano 1.510000 1.780000 1.241429
P.A. Trento 1.160000 1.487143 0.821429
Piemonte 1.544286 1.684286 1.402857
Puglia 1.321429 1.518571 1.120000
Sardegna 1.167143 1.411429 0.921429
Sicilia 1.354286 1.531429 1.177143
Toscana 1.458571 1.604286 1.311429
Umbria 1.391429 1.627143 1.157143
Valle d'Aosta 1.757143 2.110000 1.401429
Veneto 1.272857 1.422857 1.120000

Rt come ODDS

Effective reproduction number $R_t$ can be considered as an ODD: if for example $R_t=2$, means like in gambling that the likelihood of contagion is "given 2 to 1", so an infected will infect 2 susceptible subjects.

For the effect of the serial interval $\tau$ (onset of symptoms, diagnosis, etc), new cases $k_t$ observed in day $t$ have been infected in $t-\tau$ by the current new cases observed in $t-\tau$ (because old cases are supposed to be hospitalized, isolated, recovered or dead) so, with this simple method, in $t$ we can calculate the $R_{t-\tau}$.

$$ R_{t-\tau} = \frac{k_{t}}{k_{t-\tau}} $$

Work in progress: distribute serial interval $\tau$ as Gamma and new cases $k_t$ as Poisson.


© 2020 Max Pierini. Thanks to Sandra Mazzoli & Alessio Pamovio

Exported from Italia/stime_Rt.ipynb committed by maxdevblock on Tue Oct 20 00:40:59 2020 revision 70, 4d9e80e